Caracterización de contenidos de e-learning mediante un subconjunto reducido y racional de metadatos



Descargar 131,45 Kb.
Fecha de conversión08.06.2017
Tamaño131,45 Kb.
CARACTERIZACIÓN DE CONTENIDOS DE e-LEARNING MEDIANTE UN SUBCONJUNTO REDUCIDO Y RACIONAL DE METADATOS
Javier Sarsa Garrido

Facultad de Educación. Universidad de Zaragoza

jjsg@unizar.es
Leticia Gracia Mateo

Servicio de Informática y Comunicaciones. Universidad de Zaragoza

leticia@unizar.es


RESUMEN
La caracterización de contenidos educativos mediante la asignación de metadatos proporciona al modelo virtual de enseñanza-aprendizaje, e-Learning, un horizonte de posibilidades difícil de imaginar. Efectivamente, el “etiquetado” o caracterización de los contenidos facilita a los sistemas de gestión del aprendizaje (Learning Management Systems o LMS) mejorar sus capacidades de búsqueda y recuperación, de intercambio entre plataformas, de secuenciación, etc., pero también se asocia a la consecución de un aprendizaje más focalizado que contribuya a atender las necesidades individuales de los estudiantes. Para ello diversos grupos de trabajo están diseñando especificaciones que permitan una homogeneidad en la organización y en la nomenclatura. Previsiblemente estas especificaciones confluirán en un futuro estándar que será respetado e implementado por la mayor parte de los LMS. Sin embargo, para el profesorado resulta verdaderamente difícil “etiquetar” mediante metadatos sus contenidos curriculares. Por un lado, por la escasez de información al respecto, y por otro, debido a los requerimientos de tiempo que conlleva una perfecta caracterización siguiendo las directrices de cualquiera de las especificaciones, casi todas ellas muy extensas. Se necesita una economía del esfuerzo del profesorado que evite la devaluación de la utilidad de los metadatos en la educación. En este sentido, el presente artículo propone un conjunto reducido y racional de metadatos cuya aplicación sea factible para la comunidad docente. De esta forma, mediante esta racionalidad propuesta, se avanzará en la implicación del profesorado en el “etiquetado” de los contenidos, con las consiguientes ventajas que este hecho traerá a los sistemas virtuales de aprendizaje del mañana.
Palabras clave: metadatos, estándares, especificaciones, SCORM, profesorado.

ABSTRACT
The characterization of educational contents through attached metadata provides a horizon of possibilities hard to imagine in the context of a virtual learning model (e-Learning). Indeed, the “contents labeling” makes easier for the Learning Management Systems (LMS) to improve their seeking and recovering capabilities, the content interchange among different e-platforms, sequencing of contents, etc. But this characterization is also associated with the goal of a more focused apprenticeship which pays attention to individual needs of students. To achieve this, several working groups are designing specifications to reach a theoretical homogeneity in the organization and nomenclature of contents. These specifications are expected to converge in a future standard which should be observed and implemented by most of LMS. However, for the teachers is really difficult to “label” their curricular contents using metadata. On the one hand, it is due to the shortage of information in this field, and on the other hand, due to the consuming time requirements needed to do a perfect characterization following any of the given specifications; all of them too wide. An economy of teachers’ effort is necessary in order to avoid the devaluation of the usefulness of metadata in education. In that sense, this article suggests a reduced and rational set of metadata that can constitute a feasible application by the educational community. So, through this proposed rationality, this set will contribute to the implication of teachers in “labeling” contents, with the derived advantages this fact will imply for the virtual learning environments of tomorrow.
Keywords: metadata, standards, specifications, SCORM, teachers.

Introducción
El “etiquetado” de los contenidos en Internet no es algo nuevo, sino que viene heredado de la era pre-Internet. “Durante años, los formatos de metadatos han sido desarrollados para un amplio rango de objetos digitales. Dentro de este rango, existe un grado de consistencia entre todos los esquemas de metadatos que soporta la interoperabilidad. Por ejemplo, la mayoría, si no todos los esquemas proporcionan campos para el título, la fecha y el identificador” (NISO, 2004). La iniciativa Dublin Core ha liderado este campo dentro del ámbito de la catalogación y gestión documental desde la invención de la Web (Synytsa, 2003). Más concretamente, con la especificación 2.0 del lenguaje HTML comienza el interés por la adición de metadatos a los documentos, cuando las principales máquinas de búsquedas eran WebCrawler y Lycos (aproximadamente en 1994 según Sullivan, 2002). Los metadatos (datos sobre los datos) ofrecen diversas posibilidades; y no cabe duda de que los buscadores Web han sido los máximos beneficiarios del uso de los metadatos. Sin embargo, el abuso que muchas compañías y particulares hicieron de los metadatos con el fin de atraer a los usuarios a sus páginas ha pervertido su utilidad (Cook, 2003). Por otro lado, el uso del tag “META” en páginas Web presenta algunas deficiencias como una excesiva flexibilidad que permite demasiados términos para definir un mismo contenido (Senso, 2000). De hecho Google y otras máquinas de búsquedas prácticamente los ignoran1.
Pero en estos momentos se está produciendo un nuevo interés por los metadatos. Según Cook (1993) todavía existen buenas aplicaciones para ellos, tanto comerciales como académicas. Una de las justificaciones para continuar su utilización es el hecho de que los objetos digitales y sus colecciones deben ser entendidos no sólo en el contexto del proyecto que los creó, sino como materia prima para la reconstrucción o reutilización futura (NISO, 2004). Igualmente la denominada “Web semántica” constituye un esfuerzo de caracterización de la información cuya finalidad es ser de utilidad a los agentes o “robots” para buscar y recuperar información semánticamente coherente; ésta es una de las líneas de investigación más prometedoras puesto que persigue un razonamiento automático coherente basado en la estructuración de la información y el establecimiento de reglas (Tim Berners-Lee, 2001)2. Por ejemplo mediante el lenguaje RDF (Resource Description Framework) que permite crear descripciones de los recursos3.
Sin embargo, tanto las descripciones proporcionadas dentro del tag “META” (para buscadores Web), como las de Dublín Core (para repositorios) y RDF (en la Web semántica) no evitan el continuo esfuerzo por lograr una descripción de los contenidos con fines específicamente educativos. Centrándonos en este ámbito, de la enseñanza-aprendizaje, el desarrollo de los sistemas de gestión del aprendizaje (Learning Management Systems o LMS) incluye nuevas funciones basadas en el “etiquetado” de los contenidos e incluso en el “etiquetado” de cualquier ámbito del currículum, entendido éste desde una posición flexible. Los LMS, que a menudo se han convertido en la plataforma soporte de los campus virtuales, albergan los contenidos o materiales curriculares de muchas instituciones educativas. Esta consolidación de un “e-Learning gestionado por ordenador” data aproximadamente de 1996 y, desde entonces, han convivido numerosos grupos de trabajo en la definición de estándares (LTSC-IEEE, IMS, ADL-SCORM, ISO, AICC, ARIADNE, Dublin Core, NIST, LRN, W3C-RDF, CEN, y otros a nivel local o nacional). (Sarsa y otros, 2002). Por el momento estas acciones son esfuerzos separados que no han conseguido forjar estándares universales, aunque es de esperar que en el futuro converjan en una especificación ISO.
Pero, ¿qué tiene que ver todo esto con el profesorado? Esta doble línea expuesta sobre el uso de los metadatos, por un lado en el campo de la gestión bibliográfica y los buscadores, y por otro, en el contexto propiamente educativo, configura dos espacios distintos (Sarsa, 2003):


  • Un espacio informativo, cuyo objetivo sería ofrecer los resultados adecuados en un proceso de búsqueda (p.e., en una biblioteca en Internet, o en el inventario de un museo). Es el caso, en general, de los repositorios de información digital.




  • Un espacio formativo, cuyo objetivo es lograr un mejor aprendizaje (p.e. un campus virtual). Y hay que destacar que este espacio es, a menudo, construido por el profesorado, que no siempre rentabiliza su esfuerzo.

Así, de acuerdo con el interés de este artículo, dirigiremos nuestros esfuerzos hacia la definición de este segundo espacio en donde se desarrolla la intervención docente no presencial, para definir un conjunto simplificado de metadatos que tengan sentido y sean de utilidad específica en la enseñanza. Para ello analizamos el estándar más evolucionado, el LOM (Learning Objects Metadata) del IEEE, que se desarrolla desde 1997, cuya versión borrador actual es la 6.4 y que recientemente ha sido incorporado en la especificación 1.3 del modelo SCORM de la ADL. Sobre la base de esta especificación propondremos un subconjunto reducido y racional.



El proceso “metadatado” en el e-Learning y su problemática
Un estándar o especificación de metadatos podría definirse como un conjunto normativo y consensuado de atributos, que definidos para una unidad de información (definida frecuentemente en e-Learning como “learning object”), permiten potencialmente la realización de distintos procesos sobre ésta: su búsqueda y recuperación, estructuración, secuenciación, empaquetamiento, clasificación, reutilización e intercambio, etc.
Aun entendiendo que las posibilidades de unos contenidos bien caracterizados son innegables (y que en determinados contextos existe una relación directa entre el coste de los metadatos y los beneficios para el usuario – NISO, 2004 –), diversos problemas acompañan a la edición de metadatos. Algunos de los más acusados son:


  • Existe una gran cantidad de estándares y modelos distintos sobre metadatos (Paulson y Naeve, 2003). Y sobre todo este hecho, al igual que sucedió en su día con los formatos de vídeo (VHS, Beta, etc.), ha llevado a que los diferentes LMS adopten unos u otros.




  • “Usar un esquema de metadatos rico y completo es más caro que usar un esquema simple; aplicar un vocabulario de términos estándar y esquemas de clasificación comunes es más caro que asignar unas pocas claves,...” (NISO, 2004).




  • No hay una unificación en la terminología empleada en los distintos estándares. Tampoco el empleo de la terminología se entiende de la misma forma por todos los creadores. Parece necesario en este sentido una formación previa en el uso de metadatos. (Ryan y Walmsley, 2003).




  • Incluso en el supuesto de la existencia de un solo estándar universal no significa una aplicación estándar del mismo. Se encuentran diferencias sobre todo en los datos más abstractos (Kabel y otros, 2003).




  • Los metadatos no se utilizan. O se dejan tal cual los valores por defecto. (Ryan y Walmsley, 2003). McGreal y Roberts (2001)




  • Algunos modelos de estándares sobre metadatos son demasiado complejos y un profesor necesita en torno a una hora y media para rellenar todos los campos (Xiang y otros, 2003). En el espacio formativo, el profesorado necesita un modelo simplificado y más racional (Sarsa, 2003).




  • Incluso, desde una visión editorial, Frank Farance (2003), ha encontrado poca motivación para invertir en LOM debido a que: 1) es caro de codificar, 2) los resultados serán inconsistentes con los de otras editoriales, 3) no generarán un retorno de los beneficios y 4) no son aprovechados por muchas de las máquinas de búsquedas.

Con este panorama resulta preocupante que los estándares a pesar de sus años de evolución no hayan conseguido un consenso internacional, al menos con el alcance de la especificación HTML. De hecho, grupos de algunos países están adoptando sus propias normas (Cancore en Canadá, Celts en China, etc.). Y, por otro lado, la complejidad y esfuerzo requerido por tales definiciones parece alejar cada día más al profesorado de su posible aprovechamiento.


Efectivamente los modelos existentes de metadatos permiten una caracterización exhaustiva, siempre que se invierta un esfuerzo, tanto de tiempo como de abstracción mental, que no resulta rentable para el profesorado. Sin embargo, es verdad que un cierto etiquetado de los contenidos puede resultar adecuado para que los LMS utilizados en el proceso de enseñanza-aprendizaje puedan sacar ventaja desde sus herramientas (búsquedas, secuenciación, etc.) Asimismo el profesorado podrá localizar más fácilmente materiales curriculares que incorporar a sus intereses.
Por ello es necesario que, desde un punto de vista pragmático y racional, se haga una definición de qué estándar es el más adecuado y de qué metadatos son los imprescindibles para una caracterización de los contenidos basada en la economía del esfuerzo del profesorado.
¿Qué especificación escoger?
Recientemente el estándar de la ADL (Advanced Distributed Learning) del Departamento de Defensa estadounidense, en su versión SCORM 1.3, ha integrado la especificación de metadatos IEEE LSTC LOM 1484.12.14. Adicionalmente SCORM incorpora otras especificaciones (Content Structure de AICC, Content Packaging de IMS y Sequencing Information de IMS). Esto hace de SCORM una de las especificaciones más completas e integradoras, y de LOM un modelo de metadatos aceptado y prometedor. El grupo de IEEE desea que no se produzca una disgregación de su especificación LOM y para ello está llegando a acuerdos con otros grupos como el ISO JTC1 SC36, IMS, CanCore, ARIADNE, etc. Es de destacar que LOM no sólo será un estándar de IEEE sino que probablemente se convertirá en el estándar internacionalmente acreditado por ISO/IEC (Kraan, 2003b). Este horizonte, junto con el hecho de que varias de las plataformas más potentes de e-Learning (WebCT, BlackBoard,...) han adoptado ya la especificación SCORM, y por tanto LOM, es suficiente para nosotros para tomar LOM como modelo en el que basar nuestro subconjunto de metadatos, frente a otros modelos existentes.
Un subconjunto de metadatos para el profesorado
La especificación LOM 1484.12.1 citada permite un “etiquetado” de los objetos de aprendizaje (learning objects) mediante una estructura dividida en 9 categorías:


  1. General: información general que describe el objeto de aprendizaje como un todo. Contiene 8 elementos y 2 subelementos.

  2. Ciclo de vida: agrupa lo relativo a la historia y estado actual del objeto. Contiene 3 elementos y 3 subelementos.

  3. Meta-metadatos: información sobre los metadatos en sí mismos. Contiene 4 elementos y 5 subelementos.

  4. Técnica: requerimientos técnicos del objeto de aprendizaje. Contiene 7 elementos y 5 subelementos.

  5. Educativa: características educativas y pedagógicas del objeto de aprendizaje. Contiene 11 elementos.

  6. Derechos: agrupa los derechos de propiedad intelectual y condiciones de uso. Contiene 3 elementos.

  7. Relación: contiene las facetas que relacionan al objeto de aprendizaje con otros objetos. Contiene 2 elementos y 4 subelementos.

  8. Anotación: comentarios personalizados sobre las posibilidades educativas del objeto de aprendizaje. Contiene 3 elementos.

  9. Clasificación: descripción del objeto de aprendizaje en relación a un sistema de clasificación particular. Contiene 4 elementos y 4 subelementos.

Esta enumeración significa que para realizar una caracterización completa de los contenidos según el modelo LOM es necesario definir 45 elementos y 23 subelementos, es decir, 68 campos. Desde nuestro punto de vista es difícil que el profesorado dedique su tiempo a esta tarea tan improductiva de definir tantos datos para todos y cada uno de sus objetos de aprendizaje y de las partes que los componen. Sin embargo, todos los elementos y subelementos del modelo LOM son opcionales.


Como decíamos antes, algunos estándares, como SCORM, o IMS, han adoptado el modelo LOM dentro de su definición. Las últimas versiones de de SCORM (1.2 y 1.3) recogen las 9 categorías de LOM y todos sus elementos de datos; sin embargo SCORM no los presenta como opcionales (como sucede en LOM), sino que establece algunos como obligatorios y otros como opcionales. SCORM establece, a nivel de SCO (Shareable Content Object), sólo cinco categorías con carácter obligatorio (general, ciclo de vida, meta-metadatos, técnica y derechos); el resto son opcionales. Por supuesto todos los elementos y subelementos incluidos en las categorías opcionales son a su vez opcionales mientras que en las categorías definidas como obligatorias sólo algunos de sus elementos son obligatorios. En total existen en SCORM 11 elementos obligatorios (general:4, ciclo de vida:2, meta-metadatos:2, técnica:1 y derechos: 2) y 2 subelementos (general: 1 y meta-metadatos:1). Es decir, un total de 13 campos obligatorios, lo que significa que SCORM define una selección de los campos más importantes del modelo LOM (recordemos que planteaba un total de 68 campos opcionales)5.
Sin embargo, estos campos han sido seleccionados más bien para el nivel informativo (o comercial o editorial incluso). Para el contexto de la formación en el que se sitúa el profesorado, desde nuestro punto de vista, la caracterización de contenidos educativos mediante el modelo LOM no puede relegar a un segundo plano la categoría “educativa”. Todavía más, algunos de los campos que define SCORM como obligatorios no serían de especial relevancia en el contexto de la enseñanza y por el contrario, sí otros opcionales.
De esta forma definimos una propuesta que, atendiendo a SCORM, y por tanto a LOM, esté más adaptada a los intereses del profesorado, ya que SCORM, a pesar de recomendar sólo 13 campos obligatorios, se encuadra mejor en el contexto de las bibliotecas, búsquedas Web y en el ámbito comercial, que en un esquema de enseñanza-aprendizaje habitual. Las 9 categorías de LOM, en distinta medida, tienen interés para nuestros fines y, en especial, la “educativa” que aparece como opcional en SCORM.
En la tabla que vendrá a continuación se propone la relevancia que cada categoría puede tener en el contexto educativo (alta, media o baja). Adicionalmente, algunos de los elementos han sido marcados con el término “predef”, indicando que dichos campos podrían ser predefinidos por el usuario una sola vez. De esta forma la herramienta de edición ahorraría el tiempo de introducirlos cada vez. Otros marcados con el término “auto”, podrían ser generados automáticamente por la herramienta de edición (p.e. el editor de páginas Web). El resto, calificados con la palabra “manual”, deberían ser introducidos por el profesorado manualmente para cada objeto educativo.
Pero antes de nada es preciso definir qué es este concepto de objeto de aprendizaje (learning object). Para McGreal y Elliot (2004:19), “un objeto de aprendizaje puede ser cualquier entidad, digital o no digital, que puede ser usada o referenciada en un aprendizaje apoyado en la tecnología. Los objetos de aprendizaje existen y operan a diferentes niveles de granularidad. El nivel más simple es el objeto o componente informativo. Este puede ser un simple texto, fotografía, vídeo clip, imagen 3D, applet de Java o cualquier otro objeto que pueda ser utilizado para el aprendizaje.” También éste es el enfoque del grupo de IEEE. Según esto la concreción de lo que puede ser un objeto de aprendizaje no existe; en realidad puede ser casi todo.
Por tanto, si el objeto de aprendizaje puede recoger diversos niveles de agregación entonces, tanto el propio objeto, como sus “ingredientes” (los asset según SCORM), deberían caracterizarse mediante metadatos. Nosotros consideramos que llegar a asignar metadatos a todos los niveles de disgregación puede ser netamente improductivo para el profesorado. Con esta convicción la tabla expuesta se concentra en la definición de los campos más importantes, entendiendo como lógica la caracterización del objeto de aprendizaje en sí mismo, como un todo que tiene una funcionalidad pedagógica, y no cada uno de sus componentes atómicos.



Categorías, elementos y subelementos

Rele-vancia

educa-

tiva

Forma de intro-ducción

Comentarios

1. GENERAL

Información general que describe el objeto como un todo.

alta

--

Describe información básica, lo que le confiere una relevancia alta.

1.1.1 Catalog

El nombre del esquema de caracterización de esta entrada.

--

predef.

Por ejemplo “ISBN”

1.1.2 Entry

El valor del identificador en el esquema que caracteriza este objeto de aprendizaje.

--

predef.

Por ejemplo el valor del ISBN

1.2 Title

Nombre dado al objeto de aprendizaje.

--

manual

Obviamente muy importante, puesto que es el metadato más visible.

1.3 Language

El lenguaje o lenguajes usados en el objeto de aprendizaje.

--

predef.

Generalmente los objetos de un profesor son en su propio idioma (se predefiniría)

1.4 Description

Una descripción textual del contenido de este objeto de aprendizaje.

--

manual

Generalmente se necesita para acompañar al título y detallarlo.

1.4 Keyword

Una clave o frase que describa el tópico del objeto de aprendizaje.

--

manual

Útil ya que las claves pueden ser utilizadas por las máquinas de búsquedas.

2. LIFE CYCLE

Historia y estado actual de este objeto de aprendizaje y todo aquello que le ha afectado durante su evolución

media

--




2.1 Version

La edición del objeto de aprendizaje

--

manual

Sirve para llevar el control de la versión del objeto.

2.3.1 Role

Persona que ha creado o contribuido al objeto

--

predef.

P.e.: como autores de nuestros objetos se predefiniría “author”.

2.3.2 Entity

En orden de importancia, la información apuntada en 2.3.1

--

predef.

P.e.: nuestro nombre y apellidos. Se predefinen.

3. META-METADATA

Describe los metadatos en sí mismos

baja

--




3.3 Metadata schema

El nombre y versión de la especificación usada para crear la instancia de metadatos.

--

predef.

Por ejemplo “LOMv1.0”

4. TECHNICAL

Describe los requerimientos técnicos y características del objeto de aprendizaje

media

--

Incluye campos habituales en una tarea de búsqueda lo que le confiere una relevancia media.

4.1 Format

Tipología de los componentes del objeto de aprendizaje

--

auto

Según MIME: p.e. “text/html”, o “video/mpeg”




4.2 Size

Tamaño del objeto de aprendizaje en bytes

--

auto

El metadato del tamaño es muy útil, también para máquinas de búsqueda.

4.5 Installation remarks

Descripción de cómo instalar este objeto de aprendizaje

--

manual

Es decir, si se necesita tener instalado Flash, Java, u otra tecnología

4.7 Duration

Tiempo que un objeto continuo requiere para ser visto a una determinada velocidad.

--

manual

Campo especialmente útil si el objeto contiene información audiovisual

5. EDUCA-TIONAL

Describe las características clave, educativas o pedagógicas del objeto

alta

--

Para el profesorado serán campos de alto valor (relevancia alta).

5.1 Interactivity Type

Modo de aprendizaje que predomina en este objeto

--

manual

El vocabulario propuesto se queda escaso: “active”, “expositive”, “mixed

5.2 Learning Resource Type

Clase específica en que se enmarca este objeto de aprendizaje.

--

manual

El vocabulario es suficiente-mente extenso: “exercise”, “questionnaire”, “diagram”, “exam”, “problem”, etc.

5.7 Typical Age Range

Rango de edad del usuario al que se supone dirigido el objeto de aprendizaje

--

manual

P.e.: “0-3”, “3-6”, “6-9”, “4”,...

5.8 Difficulty

Grado de dificultad que supone para la audiencia a la que se dirige el objeto de aprendizaje

--

manual

Definido en cinco niveles, desde “muy fácil” hasta “muy difícil”

6. RIGHTS

Describe las características clave, educativas o pedagógicas del objeto

baja

--

La relevancia es baja puesto que la descripción que permite esta categoría es muy básica

6.2 Copyright and other restrictions

Especifica si el objeto está protegido por copyright

--

predef.

Admite valores sólo “Yes” o “No

9. CLASSI-

FICATION

Describe si el objeto encaja en algún sistema de clasificación particular

media

--

Categoría también importante para el profesorado (relevancia media)

9.2.2 Taxonomy

Un término particular dentro de una taxonomía. Un taxón es un nodo que tiene un término o etiqueta definida.

--

manual

Este campo permite asignar una mayor precisión en el dominio al que se asocia el objeto atendiendo a una taxonomía oficial o definida por el usuario.

Tabla 1. Subconjunto reducido y racional de metadatos, a partir del modelo LOM

En esta tabla se han seleccionado (del modelo LOM) 15 elementos y 5 subelementos; por tanto el profesorado sólo debería rellenar 20 campos. Sin embargo, los predefinidos sólo deberían rellenarse una vez mientras que los automáticos deberían ser completados por la herramienta de edición. Es decir, el número de campos a rellenar de forma manual para cada objeto de aprendizaje se reduce a 11. Las categorías, elementos y subelementos que no se presentan en esta tabla han sido considerados opcionales con la finalidad de ofrecer un subconjunto que suponga al profesorado un esfuerzo más racional en la caracterización de contenidos.


Conclusiones
La caracterización de contenidos u objetos de aprendizaje mediante metadatos es siempre positiva. Sin embargo, para el profesorado, que es quien a menudo construye dichos objetos, el esfuerzo sólo es rentable si está muchos órdenes de magnitud por debajo de la construcción de los propios materiales. El modelo LOM de metadatos es ampliamente aceptado y adoptado, pero no ofrece concreción alguna al profesorado, puesto que todos sus campos son de definición opcional. La especificación SCORM, que ha adoptado LOM, sí que propone un conjunto reducido y obligatorio de metadatos, dejando el resto como opcionales, aunque este subconjunto no está específicamente dirigido al profesorado. La propuesta de caracterización que realiza el presente artículo es reducida, racional y dirigida a los docentes, quienes con las herramientas de edición adecuadas, obtendrán, para sí mismos y para sus alumnos, unos materiales bien caracterizados y, por tanto, capaces de generar unos beneficios potenciales en los procesos de búsqueda, intercambio, importación y exportación, etc. Y lo más importante, el esfuerzo será lo suficientemente pequeño como para que la caracterización no sea considerada una etapa tediosa y prescindible.

REFERENCIAS
ADL/SCORM, Specifications Page. http://www.adlnet.org/
AICC, Aviation Industry CBT Committee, Specifications Page

http://www.aicc.org/pages/down-docs-index.htm
ARIADNE, Alliance of Remote Instructional Authoring and Distribution Networks for Europe. http://www.ariadne-eu.org/
Berners-Lee T., Hendler, J., Lassila O. (2001): The semantic Web.

http://www.sciam.com/article.cfm?chanID=sa006&colID=1&articleID=00048144-10D2-1C70-84A9809EC588EF21
CANCORE. http://www.cancore.org
COOK, J. (2003): Metadata, Mark II.

http://hotwired.lycos.com/webmonkey/03/24/index0a.html?tw=e-business
Dublin Core Standards Working Group, Standards Page

http://www.dublincore.org/groups/standards/
FARANCE, F. (2003): IEEE LOM Standard not yet ready for “Prime Time”, Learning Technology, 5, 1. Online Newsletter, IEEE Computer Society.

IEEE Learning Technology Standards Commitee. http://ltsc.ieee.org/wg12/


IEEE Learning Technology Task Force, Standards Page. http://lttf.ieee.org/techstds.htm
IMS Project, Specifications Page. http://www.imsproject.org/specifications.cfm
KRAAN, W. (2003): The one standard, LOM and the Semantic Web.

http://www.cetis.ac.uk/content/20030127164729


KRAAN, W. (2003b): IEEE LTSC and ISO SC36 seek to prevent LOM split.

http://www.cetis.ac.uk/content/20030321145415
Kabel, S., De Hoog, R., Wielinga, B.J. (2003): Consistency in Indexing Learning Objects: an Empirical Investigation . En Duval, E., Hodgings, W., Rehak, D., Robson, R. (Editors): ED-MEDIA 2003. Learning Objects 2003 Symposium. AACE, Hawai, pp. 26-31.
McGreal, R., Elliott, M. (2004): Theory and Practice of Online Learning. In Terry A. and

Elloumi, F. (editors): Theory and Practice of Online Learning, Athabasca University, Athabasca, pp. 115-135.


McGreal, R., Roberts, T. (2001): A Primer on Metadata for Learning Objects, LTI Magazine. http://elearningmag.com/ltimagazine/article/articleDetail.jsp?id=2031
Synytsa, K. (2003): Introduction. Learning Technology, 5, 1. Online Newsletter, IEEE Computer Society.
McGreal, R., Richards, G., Friesen, N., Paquette, G., Downes, S. (2003): eduSource: Creating learning object repositories in Canada. Learning Technology, 5, 1. Online Newsletter, IEEE Computer Society.
NISO – National Information Standards Association – (2004): A Framework of Guidance for Building Goog Digital Collections.

http://www.niso.org/framework/forumframework.html
NIST Learning Tech. http://www.itl.nist.gov/div897/ctg/graphics/learn/learntech.html
PROMETEUS: PROmoting Multimedia Access to Education and Training in EUropean Society, http://www.prometeus.org/
RYAN, B., WALMSLEY, S. (2003): Implementing metadata collection: a projects problems and solutions. Learning Technology, 5, 1. Online Newsletter, IEEE Computer Society.
SARSA, J., DOMÍNGUEZ, P., DE ECHAVE, A. (2002): Educación a través de Internet: estándares técnicos y estándares pedagógicos. En MÉNDEZ, A., MESA, J.A. SOLO DE ZALDÍVAR, I. (Coords.): Educational Technology: Conferencia Internacional de TIC’s en la Educación ICTE 2002. Badajoz, Junta de Extremadura. 546-549
SARSA, J. (2003): Two scenarios using metadata. Learning Technology, 5, 1. Online Newsletter, IEEE Computer Society. 19-21.

http://lttf.ieee.org/learn_tech/issues/january2003/index.html



http://lttf.ieee.org/learn_tech/issues/january2003/learn_tech_january2003.pdf
SENSO, J. A. (2000): Sistemas de metadatos. Jornadas Técnicas de Rediris.

http://www.ugr.es/~jsenso/metadatos.pdf


SULLIVAN, D. (2002): Death of a meta tag, The search engine report newsletter, n. 71.

http://searchenginewatch.com/sereport/02/10-meta.html
XIANG, X., ZHONGNAN, S., GUO, L., YUANCHUN, S. (2003): Introduction of the Core Elements Set in Localized LOM Model. Learning Technology, 5, 1. Online Newsletter, IEEE Computer Society.
W3C. World Wide Web Consortium. http://www.w3.org/


1 Google, que aparece en 1998, basa su sistema de búsquedas fundamentalmente en la tecnología PageRank, midiendo la importancia de las páginas mediante los enlaces que otras páginas establecen con ellas. http://www.google.com/intl/ea/profile.html


2 El desafío de la “Web Semántica”, así pues, es aportar un lenguaje que exprese datos y reglas para el razonamiento sobre los datos y que permita que las reglas de cualquier sistema de representación del conocimiento sean exportadas a la Web. [Berners-Lee T., Hendler J., Lassila O. (2001): The Semantic Web, Scientific American, May]


3 El lenguaje RDF – estándar del W3C - permite crear descripciones de los recursos, semánticamente coherentes, utilizando el modelo matemático de “triples”. Unifica estándares de descripción de datos incompatibles entre sí (DC, AGLS, VCARD, etc.). Se implementa en XML. RDF es una gramática, no sólo palabras como otras definiciones de metadatos; y en opinión de Kraan (2003) esto lo hace mucho más flexible, puesto que el vocabulario que utiliza no está controlado. IEEE LOM incluye una especificación para integrar LOM con RDF.

4 IEEE LTSC LOM = Learning Objects Metadata del Learning Technology Standards Committee del IEEE, disponible en http://ltsc.ieee.org/wg12/files/LOM_1484_12_1_v1_Final_Draft.pdf

5 Xiang y otros (2003) representan gráficamente esta proporción.



Compartir con tus amigos:


La base de datos está protegida por derechos de autor ©absta.info 2019
enviar mensaje

    Página principal